Escolar Documentos
Profissional Documentos
Cultura Documentos
Mtodos Quantitativos
Mtodos Qualitativos
(exerccios de reforo)
GESTO DE MATERIAIS - 8
Previso de Demanda
Definio:
a informao bsica para a determinao
das quantidades a serem produzidas, devido
ao conhecimento das quantidades a serem
vendidas, e os nveis de estoques indicados
pela gesto de estoque.
Fontes de dados :
Fontes internas.
Fontes externas.
Previso de Demanda
Previso de Demanda
Sadas:
Demanda estimada
p/prod. em p/periodo
de tempo
Outras sadas
Capacidade
de Produo
Previso para demanda
estimada p/prod. em
p/periodo de tempo
Equipe
administrativa
Experincia
Valores e
motivos
pessoais
Estrateg. Neg.
Pl Prod.
Pl Finan.
prazo
Pl Mkt
prazo
Recursos
disponveis
prazo
Valores
sociais e
culturais
Outros
fatores
Previso de Demanda
Intervalo de
tempo
Unidades tpicas
de previso
Longo Prazo
Anos
Novas
linhas de produtos
Capacidade de fbrica
Fundos de capital
Dlares
Mdio Prazo
Meses
Grupos
de produtos
Capacidades
departamentais
Mo de obra
MP comprada
Estoques
Unidades
Curto Prazo
Semanas
Produtos
Unidades
especficos
Habilidade de MO
Capacidade de Mquina
Dinheiro vivo
Estoque
Gales,
horas, libras,
unid. ou clientes por
tempo
Dlares
Gales,
horas, unid.
ou clientes por tempo
Trabalhadores, horas
Unidades, libras,
gales
Unidades, dlares
Trabalhadores,
horas
Gales, horas, unid.
ou clientes por tempo
Dlares
Unidades, dlares
Mtodos Qualitativos de
Previso
Esses mtodos normalmente se baseiam em
julgamentos a respeito dos fatores causais.
Fundamentam as vendas de produtos ou
servios particulares e em opinies sobre a
probabilidade relativa de esses fatores causais
estarem presentes no futuro.
Podem envolver diversos nveis de sofisticao
de pesquisa de opinio cientificamente
conduzidas a suposies intuitivas sobre os
eventos.
Mtodos Qualitativos de
Previso
Tipos de Mtodos Qualitativos:
1. Consenso do comit executivo.
2. Mtodo Delphi.
3. Pesquisa da equipe de vendas.
4. Pesquisa de clientes.
5. Analogia histrica.
6. Pesquisa de mercado.
Mtodos Qualitativos de
Previso
1. Consenso do comit executivo
de
Mtodos Qualitativos de
Previso
2. Mtodo Delphi
Esse mtodo usado para se obter um
consenso dentro de um comit.
Neste mtodo os executivos respondem
anonimamente a uma srie de perguntas
em turnos sucessivos.
Mtodos Qualitativos de
Previso
2. Mtodo Delphi
Cada resposta repassada a todos os
participantes em cada turno, e o processo
ento repetido.
At seis turnos podem ser necessrios antes
que se atinja o consenso sobre a previso.
Mtodos Qualitativos de
Previso
3. Pesquisa da equipe de vendas
Estimativas de vendas regionais futuras so
obtidas de membros individuais da equipe de
vendas.
Essas estimativas so combinadas para formar
uma nica estimativa para todas as regies.
Mtodos Qualitativos de
Previso
3. Pesquisa da equipe de vendas
A nica estimativa deve ento ser transformada
pelos gerentes numa previso de vendas para
assegurar estimativas realsticas.
Esse um mtodo de previso popular para
empresas que tem um bom sistema de
comunicao em funcionamento e uma equipe
de vendas que vende diretamente aos clientes.
Mtodos Qualitativos de
Previso
4. Pesquisa de clientes
Estimativas de vendas
diretamente dos clientes.
so
obtidas
Mtodos Qualitativos de
Previso
4. Pesquisa de clientes
Um previso de vendas determinada
combinando-se as respostas de clientes
individuais.
Mtodos Qualitativos de
Previso
5. Analogia histrica
Esse mtodo une a estimativa de vendas
futuras de um produto ao conhecimento
das vendas de um produto similar.
Mtodos Qualitativos de
Previso
5. Analogia histrica
O conhecimento das vendas de um
produto durante vrias etapas de seu
ciclo de vida aplicado estimativa de
vendas de um produto similar.
Esse mtodo pode ser especialmente til
na previso de vendas de novos
produtos.
Mtodos Qualitativos de
Previso
6. Pesquisa de Mercado
Nas pesquisas de mercado, questionrios por
correspondncia, entrevistas telefnicas ou
entrevistas de campo formam a base para testar
hipteses sobre mercados reais.
Em teste de mercado, produtos comercializados
em regies ou centros de compras tipo
outlets so estatisticamente extrapolados para
mercados totais.
Mtodos Qualitativos de
Previso
6. Pesquisa de Mercado
Esses mtodos comumente so preferidos para
novos produtos ou para produtos existentes a
serem introduzidos em novos segmentos de
mercados.
mercados
Modelos Quantitativos de
Previso
Os modelos quantitativos de previso
so modelos matemticos baseados em
dados histricos.
Esses modelos supem que dados
passados so relevantes para o futuro.
Esses modelos so utilizados com sries
temporais.
Modelos Quantitativos de
Previso
Srie Temporal:
um conjunto de valores observados
medidos ao longo de perodos de
tempos sucessivos.
Esses modelos sero aplicados:
para preciso.
previso.
previses de longo prazo e de curto prazo.
Modelos Quantitativos de
Previso
Tipos de modelos quantitativos:
1. Regresso Linear
2. Mdia Mvel
3. Mdia Ponderada Mvel
4. Exponencial Mvel
5. Exponencial Mvel com Tendncia
Modelos Quantitativos de
Previso
Preciso da Previso:
Refere-se a quo perto as previses
chegam dos dados reais.
Uma vez que as previses so feitas
antes que os dados reais se tornem
conhecidos, a preciso das previses
podem ser determinadas somente depois
da passagem do tempo.
Modelos Quantitativos de
Previso
Preciso da Previso:
Quando as previses ficam muito
prximas dos dados reais, dizemos que
elas tm alta preciso e que o erro de
previso baixo.
Determina-se a preciso dos modelos de
previso mantendo uma contagem
contnua do quanto as previses
deixaram de atingir os pontos de dados
reais ao longo do tempo.
Modelos Quantitativos de
Previso
Previso de Longo Prazo:
Significa estimar condies futuras ao longo
de intervalos de tempo normalmente maiores
do que um ano.
Por exemplo:
1. Projetar um novo produto
(O volume de vendas justifica uma maquinrio
de produo automatizado?)
Modelos Quantitativos de
Previso
Previso de Longo Prazo:
Significa estimar condies futuras ao longo
de intervalos de tempo normalmente maiores
do que um ano.
Por exemplo:
2. Determinar a capacidade de produo para
um novo produto
( Quanta capacidade ser necessria?Quantas
Fbricas?Onde?)
Modelos Quantitativos de
Previso
Previso de Longo Prazo:
Significa estimar condies futuras ao longo
de intervalos de tempo normalmente maiores
do que um ano.
Por exemplo:
3. Planejar para o abastecimento de materiais a
longo prazo.
(garantia de fornecimento de contrato de
matria prima a longo prazo)
Modelos Quantitativos de
Previso
Previso de Longo Prazo:
Numa anlise de longo prazo, os dados
histricos de vendas so compostos de
diversos componentes, entre eles:
#
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
As tendncias
So ilustradas com uma linha com inclinao
para cima ou para baixo
Modelos Quantitativos de
Previso
Previso de Longo Prazo:
Ciclo
um padro de dados que pode cobrir
diversos anos antes de se repetir.
Modelos Quantitativos de
Previso
Sazonalidade
um padro de dados que se repete depois
de um perodo de tempo
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Regresso Linear:
Modelos Quantitativos de
Previso
Regresso Linear:
Modelos Quantitativos de
Previso
Diversos mtodos de extrapolao so empregados,
todos consistindo na projeo do futuro a partir de
dados do passado.
Os mtodos mais simples utilizados so;
Modelos Quantitativos de
Previso
Tendncia reta
Para efeito desse clculo de distribuio linear,
consideremos inicialmente o par de eixos cartesianos
x , y , e a reta r , que representa determinada
tendncia :
y
Modelos Quantitativos de
Previso
Tendncia reta
No eixo dos x representamos em geral : ms, ano,
semana.
No eixo dos y representamos : consumo, demanda,
vendas fsicas, valores ( reais, dlares ), quantidade
em geral.
A cada valor de x , corresponde um valor y e
vice-versa.
Modelos Quantitativos de
Previso
Tendncia reta
100
150
200
250
300
350
Modelos Quantitativos de
Previso
ANO
VENDAS
( toneladas)
350
2006
2007
2008
2009
2010
2011
100
150
200
250
300
350
300
250
200
150
100
06
07
08
09
10
11
Modelos Quantitativos de
Previso
Pelo mtodo dos mnimos quadrados,
os valores de a e b so obtidos
pela resoluo de duas equaes:
Y = a n + b X
( equao 1 )
XY = a X + b X2
( equao 2 )
Equao 1 :
Y = a n + b X
A letra n da primeira equao representa a posio
que o dado ocupa no eixo dos x .
A cada posio do eixo dos x , atribudo um valor
de representao a partir do valor zero que
atribudo posio relativa ao vrtice.
Assim, o dado que ocupa o vrtice recebe o valor
zero relativo ao tempo.
O dado imediatamente acima recebe o valor 1 ; o
seguinte o valor 2 ; assim por diante.
2006
2007
2008
2009
2010
2011
0
1
2
3
4
5
100
150
200
250
300
350
Modelos Quantitativos de
Previso
Passo 1 :
Calcular X e XY elaborando a tabela da seguinte
forma :
ANO
2006
2007
0
1
100
150
2008
2009
2010
2011
2
3
4
5
X=15
X
0
1
200
4
250
9
300
16
350
25
Y=1350 X = 55
XY
( 0 x 100 ) = 0
( 1 x 150 ) = 150
( 2 x 200 ) = 400
( 3 x 250 ) = 750
( 4 x 300 ) = 1200
( 5 x 350 ) = 1750
XY= 4250
Passo 2 :
Resolver as equaes :
Y = a n + b X
XY = a X + b X
Substituindo os valores assim obtidos nas equaes
normais , temos, lembrando que n = 6:
1350 = 6 a + 15 b
4250 = 15 a + 55 b
(I)
( II )
Modelos Quantitativos de
Previso
Passo 2 :
- 2,5 ( 1350 ) = - 2,5 x 6a + ( - 2,5 ) x 15b
3375 = - 15 a 37,5 b
+ 4250 = + 15 a + 55b
+ 875 =
/ + 17,5b
17,5 b = 875
875
b = ---------17,5
b = 50
Modelos Quantitativos de
Previso
Passo 2 :
Modelos Quantitativos de
Previso
Passo 3 :
Substituindo os valores das incgnitas relativas
reta r ( y = a + b X ) pelos valores de a e b, temos
o valor de y.
y=a+bX
y = 100 + 50 X
Passo 4 :
Como queremos a previso para 2012,
2012 o valor de
X 6 ( pois 2011 tem valor 5 ) , ento :
y = 100 + 50 ( 6 )
y = 100 + 300 = 400 toneladas
Modelos Quantitativos de
Previso
Passo 5 :
Transportando este dado para os eixos , temos :
Y
400
r
y=a +bX
350
y = 400 toneladas
300
250
200
150
100
06 07 08 09 10 11 12 X
Modelos Quantitativos de
Previso
Passo 6 :
Os Coeficientes de Correlao
Passo 6 :
Os Coeficientes de Correlao
Passo 6 :
Os Coeficientes de Correlao
Passo 6 :
A mesma tabela auxiliar, elaborada para o clculo
de a e b , fornece as quantidades que aparecem na
equao, exceo de, que deve ento ser
calculada.
Exemplo :
Utilizando os dados do exemplo anterior, temos:
X = 15
Y = 1350
XY = 4250
X = 55
Y = 347500
Passo 6 :
Coeficiente de Correlao( r ), temos :
6 ( 4250 ) 15 ( 1350 )
r = ----------------------------------------------------------6 ( 55) ( 15) . 6 ( 347500 ) ( 1350 )
O valor de r = 1,00 indica uma correlao direta
muito alta. Como sugesto, podemos indicar os
intervalos abaixo e as interpretaes respectivas
para os valores absolutos de r.
r
0 a
0,2 a
0,4 a
0,6 a
0,8 a
0,2
0,4
0,6
0,8
1,0
CORRELAO
muito baixa
baixa
mdia
alta
muito alta
Passo 6 :
Coeficiente de determinao( r2 ), temos :
( Y y )2
r2 = ------------------------------ ( y y )2
Variao total = ( y y )2
Variao explicada = ( Y y )2
Variao no explicada = ( y Y )2
Var. Total = Var. Explicada + Var. No explicada
O Coeficiente de determinao a razo da V.E pela V.T
e ilustra quanto da variao dependente y explicada
por x ou pela linha de tendncia
Passo 6 :
Para um r2 = 0,80 = 80% significa que:
80% das variaes so explicadas e
20 % no so explicadas.
Quanto mais forte a relao e o valor de r e r2 ,
maior a probabilidade de as previses resultantes
das equaes regresso serem precisas.
y
Variao no
explicada =
( y Y )2
y
Linha de
Tendncia
Variao total=
( y- y )2
Y
Variao explicada =
( Y- y )2
Modelos Quantitativos de
Previso
Intervalos das Previses ( Intervalo de Confiana ):
A anlise de regresso gera previses para perodos
futuros, sendo estas, estimativas e sujeitas a erros.
A presena de erros de previso ou variaes
ocasionais um fato real para quem faz
previses.
Uma maneira de lidar com essas incertezas
consiste em desenvolver intervalos de
confiana para as previses.
Modelos Quantitativos de
Previso
Intervalos das Previses( Intervalo de Confiana ):
A expresso S y x,x denominada erro padro
da previso, ou desvio padro da previso,
e uma medida de como os pontos dos
dados histricos estavam dispersos nas
proximidades da linha de tendncias.
S yx =
y2 a. y b. xy
n-2
Modelos Quantitativos de
Previso
Intervalos das Previses( Intervalo de Confiana ):
Se Syx for pequeno em relao a previso,
significa que os pontos dos dados passados
estavam estreitamente agrupados nas
proximidades da linha de tendncias, e os
limites superior e inferior esto bem prximos.
Os intervalos permitem que os analistas lidem
com a incerteza que cercam suas previses
desenvolvendo previses da melhor estimativa.
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Testes de Hipteses:
Estatstica t-Student
Dist. Normal
(Populao)
Sim
Sim
Teste z
conhecido?
No
No
Amostra
Grande
No
Testes noparamtricos
Teste t
FONTE : MEDICINA USP
pelo desvio-padro
estatstica z.
Surge uma nova distribuio.
FONTE : MEDICINA USP
, atravs
da estatstica t :
t( n 1)
S
n
conhecido
desconhecido
Teste z
X
t
S
n
Teste t
Distribuio t de Student
William Gosset (1876-1937)
gl n 1
Distribuio t de Student
Curva de Densidade de Probabilidade
Simtrica em relao
mdia.
0.40
0.35
0.30
0.25
Normal
T1gl
T5gl
T30gl
Depende do grau de
liberdade, gl .
Quanto
mais
aumenta,
mais
distribuio t tende
Normal padro.
0.20
0.15
0.10
0.05
0.00
-4.00
-3.00
-2.00
-1.00
0.00
1.00
2.00
3.00
4.00
gl
a
Amostras A e B desconhecidos
possvel comparar duas mdias
amostrais, quando os desvios-padro das
populaes so desconhecidos, atravs da
estatstica t abaixo:
XA XB
t
EPM D
A , B
(desconhecidos)
A B
A B
S A2 S B 2
nA
nB
EPM D
EPM D
S0
Varincia conjugada
1
1
n A nB
1
S
1
S
A
B
B
S0 2 A
nA 1 nB 1
Se nA = nB :
S A2 S B 2
S0
2
2
Grupo A
Grupo B
Paciente Perda (kg) Paciente Perda (kg)
1
0.9
7
3.8
2
1.3
8
4.9
3
1.5
9
5.9
4
2.4
10
6.6
5
2.9
11
6.7
6
3.0
12
7.1
13
7.0
No h informaes
sobre a populao
Teste t-Student.
Grupo A
2
0.784
6
Grupo B
6
1.52
7
H 0 : X1 X 2
H A : X1 X 2
XA XB
t
EPM D
onde
EPM D
S0
1
1
nA nB
2
2
n
1
S
1
S
5 0,784 6 1,52
A
A
B
B
2
S0
1,185.
56
nA 1 nB 1
62
t
6, 603
0, 606
gl nA nB 2 6 7 2 11
Regra de Deciso
Se tc < t < tc Aceita-se H0
Caso contrrio, Rejeita-se H0.
Procurar o valor de t
crtico, tc, para gl igual
a 11 e de 0,005
(bicaudal).
Tabela t
FONTE : MEDICINA USP
Distribuio t de Student
Tabela
t0,005 3,106
0, 005
2
tc
grau de
liberdade
1
2
3
4
5
6
7
8
9
10
11
12
13
14
nA+nB - 2 = 11
0,05
0,025
0,010
0,005
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
gl = 11
t = 6,603
Como t > tc, rejeitase H0 e aceita-se
que as diferenas
so reais.
Mdia
Varincia
n
EPM D
Grupo A
42
4
10
Grupo B
45
25
10
S A SB
4 25
45 42
1, 7 t
1, 76
n
10
1, 7
2
Distribuio t de Student
t0,025 2,101
Tabela
tc
0, 025
2
nA+nB - 2 = 18
gl = 18
t = 1,76
Como t < tc ,
aceita-se
H0
e
conclui-se que as
alturas so iguais.
grau de
liberdade
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
0,10
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
0,005
63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
1,330
1,734
2,878
2,101
2,552
Modelos Quantitativos de
Previso
Retornando ao Exerccio - 1
Modelos Quantitativos de
Previso
Exerccio-1 Anlise de Regresso Linear Simples:
Nmero de graus de
liberdade: 10-2 = 8
Nvel de Significncia:
10%
Probabilidade unicaldal:
5% cada extremidade
S yx = 173,0300377
Y11 t * Syx
Limite Inferior =
2.964,830797
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio-2 Anlise de Regresso Linear Simples:
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio-3- Previses de Sries Temporais Sazonalizadas:
Os dados de vendas anuais da Specific Motors descritos
abaixo:
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio das Previses de Sries Temporais Sazonalizadas :
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio das Previses de Sries Temporais Sazonalizadas :
DAM =
i=1
DAM =
n
Modelos Quantitativos de
Previso
Mdias da Preciso da Previso:
Quando os erros de previso esto normalmente
distribudos, os valores do DAM e syx
esto relacionados a expresso:
Syx = 1,25 DAM
DAM,
DAM syx e EQM so usados para medir a preciso aps o
fato tanto no modelo de previso de mdio prazo como
o de longo prazo, entretanto no caso dos modelos de
curto prazo o DAM tambm pode ser usado.
Modelos Quantitativos de
Previso
Previses ingnuas:
Os modelos de previses ingnuos so aqueles que
so rpidos e fceis de usar, no tm virtualmente
nenhum custo e so fceis de entender.
Exemplo:
Usar as previses de ontem como previses de vendas
de amanh.
Usar as vendas correspondentes mesma data do ano
passado para previso de vendas de amanh.
Modelos Quantitativos de
Previso
Mtodo da Mdia Mvel:
O mtodo da mdia mvel tira a mdia dos dados de
alguns perodos recentes, que se torna a previso para
o perodo seguinte.
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio-4 Previso de Curto Prazo com Mdia Mvel:
Modelos Quantitativos de
Previso
Exerccio-5 Previso de Curto Prazo com Ajustamento Exponencial:
Onde :
Pt Pt 1 ( Rt 1 Pt 1 )
Representa
um
percentual
do erro
Representa
o erro da
previso
Modelos Quantitativos de
Previso
Onde :
Pt Pt 1 ( Rt 1 Pt 1 )
Modelos Quantitativos de
Previso
Sinal _ de _ rastreamen to
DMA
s EMQ
2
e
n 1
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Modelos Quantitativos de
Previso
Exerccio-5 Previso de Curto Prazo com Ajustamento Exponencial:
S = 6,91
Limites de controle = 2*s = 2*6,91= 13,82
Previso de Demanda
Mtodos Quantitativos
Mtodos Qualitativos
(exerccios propostos)
Consumo em
toneladas (Y)
2000
49,1
2001
50,3
2002
50,5
2003
50,7
2004
51,4
2005
49,6
2006
53,0
2007
52,0
2008
51,1
2009
51,2
2010
51,5
2011
52,7
Calcular:
a)prevendo o consumo para o ano de 2012.
b)o coeficiente de correlao.
c)o coeficiente de determinao.
d)o desvio padro Syx
e) o Limite Superior e o Limite Inferior.
2.
Consumo em
toneladas (Y)
2000
49,1
2001
50,3
2002
50,5
2003
50,7
2004
51,4
2005
49,6
2006
53,0
2007
52,0
2008
51,1
2009
51,2
2010
51,5
2011
52,7
(em
350
2009
2010
2011
250
200
300
Assim, qual deve ser a produo da Motores Nacionais para o ano 2012?
unidades)
abril
maio
Total
do
Perod
o
Consu
100
200
150
110
660
mo
100
De
quantas
unidades
dever
ser
o
pedido
para o prximo ms?
(em
unidades)
Deman Deman
da de
da de
Vendas Vendas
1996
1997
jan
80
100
fev
75
85
mar
80
90
abr
90
110
mai
115
131
jun
110
120
jul
100
110
ago
90
110
set
85
95
out
75
85
nov
75
85
Deman
da
Mdia
19961997
Deman
da
Mensal
Mdia
ndice
Sazonal
A) Calcular :
a) a Demanda Mdia Mensal de laptop.
b) a Demanda Mensal Mdia de laptop.
c) o ndice Sazonal
B) Se esperssemos que a demanda anual de computadores em 2012
fosse de 1.200 unidades, usando os ndices sazonais, predizer a
demanda mensal de laptop da empresa.
Vendas
2007
450
2008
495
2009
518
2010
563
2011
584
2012
Previso
410
cada um dos dados, sendo a soma dos pesos deve ser igual a 1.
1
Conforme os resultados de venda de fertilizantes em toneladas,
da AGROREC no ano de 2011,
2011 prever o ms de janeiro para o
ano de 2012.
2012
Ms Demanda ( em
toneladas )
jan
100
fev
102
mar
101
abr
104
mai
102
jun
101
jul
102
ago
103
set
103
out
103
nov
104
dez
103
9.
Demanda
( em
toneladas )
2011
jan
100
fev
102
mar
101
abr
104
mai
102
= 0,30
jun
101
jul
102
ago
103
set
103
out
103
nov
104
dez
103
Pfev =
Pmar =
P abr =
marciliocunha@marciliocunha
www.marciliocunha.com.br